客户访谈最难的地方，不是聊的时候没信息，而是聊完以后信息散在录音、会议纪要、聊天记录和表单里。团队开会时每个人都记得一两句关键反馈，但真正要排需求、写方案、同步销售时，又很难说清这些判断来自哪里。
这类工作很适合交给 AI Agent 做第一轮整理。它不替产品经理做判断，而是把原始材料整理成可讨论的结构：用户是谁，遇到什么问题，原话是什么，属于哪类需求，下一步谁负责。这个思路和 销售线索整理 很接近，只是对象从商机推进变成需求判断。
先保留原始证据
第一步不要急着总结。先把访谈纪要、录音转写、表单反馈和聊天截图统一放到一个资料夹，并给每段内容标上来源、时间和客户身份。Agent 后面生成的任何标签，都应该能回到原始证据。
如果一开始只让 Agent 写“用户认为功能不够好”，这句话其实没有价值。更好的输出是：某类客户在某个场景下遇到阻塞，并附带两三句原话。需求讨论要靠证据，而不是靠摘要的语气。
需求标签不要太细
很多团队第一次做用户反馈自动化，会设计几十个标签，最后谁也用不起来。我的建议是先从 6 到 10 个大类开始，比如“上手成本”“数据导入”“权限协作”“价格顾虑”“集成需求”“稳定性问题”。
标签的作用是帮助团队发现模式，不是把每一句话都精准归档。等某个标签连续出现，再往下拆二级分类。这个节奏也适用于 客服 FAQ 知识库整理，先有稳定大类，再补细节。
行动项必须能交给人
访谈整理最后要落到行动项。比如“补一篇导入教程”“销售下次跟进时确认预算区间”“产品评估权限模板”“运营把常见问题加到 FAQ”。如果只输出一份漂亮报告，团队很快就会回到原来的混乱状态。
我会让 Agent 给每个行动项补三列：负责人、截止时间建议、关联证据。负责人可以先写角色，不一定马上写人名；但关联证据必须保留，否则过两周再看，很难知道这件事为什么被列出来。
复核边界要写清楚
客户访谈涉及语气、商业判断和优先级，不能完全自动化。Agent 可以做归类、摘录、去重和初步排序，但最终是否进路线图，仍然需要产品、销售和运营一起判断。
如果团队已经有 AI Agent 周报自动化，客户访谈整理可以接进去：每周自动汇总新增反馈、重复出现的需求标签、未处理行动项和需要人工确认的高风险结论。
总结
用 AI Agent 做客户访谈整理，关键不是让它替你决定产品方向，而是把分散信息变成可复核的需求标签、证据片段和行动项。这样团队讨论时不再只凭印象，而是能围绕真实用户问题做判断。
